研究人員已經使用人工智能來減少依靠計算機與他人交談的非語言運動障礙人士的“溝通鴻溝”。

來自劍橋大學和鄧迪大學的團隊開發(fā)了一種新的情境感知方法，該方法可以消除用戶鍵入以進行交流的50%到96%的擊鍵次數，從而縮小了交流差距。

該系統專門針對非語言人群，并使用一系列上下文“線索”(例如用戶的位置，一天中的時間或用戶的講話伙伴的身份)來幫助建議與用戶最相關的句子。

非言語運動障礙人士經常使用帶有語音輸出功能的計算機與他人交流。但是，即使沒有肢體殘疾影響打字的過程，這些交流輔助工具仍然太慢并且容易出錯，無法進行有意義的對話：典型的打字速度在每分鐘5到20個單詞之間，而典型的說話速度在100到100范圍內。每分鐘140個字。

研究的主要作者，劍橋大學工程系的珀·奧拉·克里斯滕森教授說：“通信速率的差異被稱為通信差距。” “這種差距通常在每分鐘80到135個單詞之間，并且影響了依賴計算機進行交流的人們的日常交互質量。”

克里斯滕森(Kristensson)和他的同事開發(fā)的方法使用人工智能來允許用戶快速檢索他們過去鍵入的句子。先前的研究表明，依賴語音合成的人們，就像其他所有人一樣，傾向于在日常對話中重用許多相同的短語和句子。然而，對于現有語音合成技術的用戶而言，檢索這些短語和句子是一個耗時的過程，從而進一步減慢了對話的流程。

在新系統中，隨著人員的鍵入，系統會使用信息檢索算法根據鍵入的文本和人員所參與的會話的上下文自動檢索最相關的先前句子。上下文包括有關會話的信息，例如位置，一天中的時間以及自動識別對方的臉孔。使用經過訓練可從前置攝像頭識別人臉的計算機視覺算法來識別其他說話者。

該系統是使用通常用于噴氣發(fā)動機或醫(yī)療設備的設計工程方法開發(fā)的。研究人員首先確定了系統的關鍵功能，例如單詞自動完成功能和句子檢索功能。在確定了這些功能之后，研究人員模擬了一個非語言人，該人從一個代表非語言人想要交流的文本類型的句子集中輸入大量的句子。

通過這種分析，研究人員可以了解檢索句子的最佳方法以及一系列參數對性能的影響，例如自動完成單詞的準確性以及使用許多上下文標簽的影響。例如，此分析表明，只需兩個合理準確的上下文標簽即可提供大部分收益。自動完成功能可以起到積極的作用，但對于實現大部分收益并不是必不可少的。使用類似于網絡搜索的信息檢索算法來檢索句子。將上下文標記添加到用戶鍵入的單詞以形成查詢。

這項研究是第一個將情境感知信息檢索與語音生成設備集成在一起的，以幫助行動不便的人，證明了上下文相關的人工智能如何改善行動不便者的生活。

克里斯滕森說：“這種方法使我們希望有更多創(chuàng)新的注入AI的系統來幫助行動不便的人將來進行交流。” “我們已經證明，通過注入AI的用戶界面可以挑戰(zhàn)傳統用戶界面設計理念和流程，從而減少不進行創(chuàng)新研究的機會成本。”